基于区块链网络的联邦学习方法、验证节点、设备及介质技术

本申请适用于区块链技术领域，提供了一种基于区块链网络的联邦学习方法、验证节点、设备及介质，其中，区块链网络包括：多个参与节点、验证节点以及存储节点，联邦学习方法由验证节点执行，该方法首先获取多个参与节点发送的本地模型，然后根据多个本地模型生成全局模型，最后至少根据非相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。本申请实施例通过建立非相邻区块间的链接关系，对每次训练生成的全局模型进行存储，方便用户进行跳跃式搜索，有效的提高了全局模型的查询效率。有效的提高了全局模型的查询效率。有效的提高了全局模型的查询效率。

【技术实现步骤摘要】
基于区块链网络的联邦学习方法、验证节点、设备及介质


[0001]本申请属于区块链
，尤其涉及一种基于区块链网络的联邦学习方法、验证节点、设备及介质。

技术介绍

[0002]联邦学习，作为一种分布式机器学习框架，已经被应用到智慧医疗等各个场景。尽管联邦学习可以基于分布式的数据集联合地训练深度学习模型，但是已有的方法仍然容易受到攻击者的攻击，难以满足实际应用中对系统安全性的要求。在联邦学习框架中，中心服务器(例如云服务器)负责对深度学习模型进行分发、聚合以及更新。这些中心化的服务器成为了攻击者的目标，以产生错误的或有偏见的模型。
[0003]区块链，作为一个以密码学为保障的分布式账本，通过其承载的智能合约对外提供定制化的服务，展现出了在数据防篡改、减少欺诈、履行合约等方面显著的应用潜力。由于在可验证的联邦学习中，需要为参与训练的各节点提供模型聚合和分发服务，并且训练过程需要保证可验证性和不可抵赖性，因此区块链为实现可信的联邦学习提供了机会。
[0004]区块链网络保证了联邦学习数据的防篡改性，但对存储在链上的联邦学习数据缺乏有效的管理机制，导致联邦学习数据查询效率较低。

技术实现思路

[0005]本申请实施例提供了一种基于区块链网络的联邦学习方法、验证节点、设备及介质，可以解决区块链上联邦学习数据查询效率较低的问题。
[0006]本申请实施例的第一方面提供了一种基于区块链网络的联邦学习方法，所述区块链网络包括：多个参与节点、验证节点以及存储节点，所述联邦学习方法由验证节点执行，包括：
[0007]获取多个参与节点发送的本地模型，其中每个本地模型是通过对应参与节点的训练数据训练初始模型得到；
[0008]根据多个本地模型生成全局模型；
[0009]至少根据非相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。
[0010]可选的，所述链接关系包括前向链接和后向链接，所述至少根据非相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点，包括：
[0011]建立多组非相邻区块之间的前向链接，以及建立多组非相邻区块之间的后向链接；
[0012]至少根据所述前向链接和所述后向链接，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。
[0013]可选的，所述建立多组非相邻区块之间的前向链接，包括：
[0014]利用变色龙哈希函数在当前区块中，生成任一待生成非相邻区块的预签名；
[0015]基于所述预签名和预设的前向链接参数，建立所述当前区块与该待生成非相邻区块之间的前向链接；
[0016]建立多组非相邻区块之间的前向链接。
[0017]可选的，所述建立多组非相邻区块之间的后向链接，包括：
[0018]基于任一已生成非相邻区块的哈希值和预设的后向链接参数，建立当前区块与该已生成非相邻区块之间的后向链接；
[0019]建立多组非相邻区块之间的后向链接。
[0020]可选的，区块链中的区块包括锚点区块和容器区块，且一个锚点区块对应多个容器区块，所述前向链接包括锚点锚点链接和锚点区块链接，所述建立多组非相邻区块之间的前向链接，包括：
[0021]建立各锚点区块之间的锚点锚点链接，以及建立任一锚点区块与该锚点区块对应的容器区块之间的锚点区块链接。
[0022]可选的，所述获取多个参与节点发送的本地模型，包括：
[0023]根据任一参与节点预设的公钥，验证该参与节点训练生成的本地模型；
[0024]获取多个参与节点通过验证的本地模型，其中通过验证的本地模型数量不低于预设的本地模型数量阈值。
[0025]可选的，还包括：
[0026]根据相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。
[0027]本申请实施例的第二方面提供了一种基于区块链网络的联邦学习方法的验证节点，所述区块链网络包括：多个参与节点、验证节点以及存储节点，其特征在于，所述验证节点包括：
[0028]本地模块收集模块，用于获取多个参与节点发送的本地模型，其中每个本地模型是通过对应参与节点的训练数据训练初始模型得到；
[0029]全局模型生成模块，用于根据多个本地模型生成全局模型；
[0030]存储模块，用于根据相邻或非相邻区块间的链接关系确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。
[0031]本申请实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的基于区块链网络的联邦学习方法。
[0032]本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的基于区块链网络的联邦学习方法。
[0033]本申请实施例的第五方面提供了一种计算机程序产品，当所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述第一方面所述的基于区块链网络的联邦学习方法。
[0034]本申请实施例与现有技术相比存在的有益效果是：
[0035]本申请公开了一种基于区块链网络的联邦学习方法、验证节点、设备及介质，区块
链网络包括：多个参与节点、验证节点以及存储节点，联邦学习方法由验证节点执行，该方法首先获取多个参与节点发送的本地模型，然后根据多个本地模型生成全局模型，最后至少根据非相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。本申请实施例通过建立非相邻区块间的链接关系，对每次训练生成的全局模型进行存储，方便用户进行跳跃式搜索，有效的提高了全局模型的查询效率。
附图说明
[0036]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本申请实施例提供的一种基于区块链网络的联邦学习系统架构图；
[0038]图2是本申请实施例一提供的一种基于区块链网络的联邦学习方法的流程示意图；
[0039]图3是本申请实施例提供的一种区块链可验证数据结构的示意图；
[0040]图4是本申请实施例二提供的一种基于区块链网络的联邦学习方法的流程示意图；
[0041]图5是本申请实施例三提供的一种基于区块链网络的联邦学习方法的流程示意图；
[0042]图6是本申请实施例四提供的一种基于区块链网络的联邦学习方法的验证节点的结构示意图；
[0043]图7是本申请实施例五提供的一种终端设备的结构示意图。...

【技术保护点】

【技术特征摘要】
1.一种基于区块链网络的联邦学习方法，所述区块链网络包括：多个参与节点、验证节点以及存储节点，所述联邦学习方法由验证节点执行，其特征在于，包括：获取多个参与节点发送的本地模型，其中每个本地模型是通过对应参与节点的训练数据训练初始模型得到；根据多个本地模型生成全局模型；至少根据非相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。2.如权利要求1所述的基于区块链网络的联邦学习方法，其特征在于，所述链接关系包括前向链接和后向链接，所述至少根据非相邻区块间的链接关系，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点，包括：建立多组非相邻区块之间的前向链接，以及建立多组非相邻区块之间的后向链接；至少根据所述前向链接和所述后向链接，确定所述全局模型待存储的存储节点，并将所述全局模型发送至所述存储节点。3.如权利要求2所述的基于区块链网络的联邦学习方法，其特征在于，所述建立多组非相邻区块之间的前向链接，包括：利用变色龙哈希函数在当前区块中，生成任一待生成非相邻区块的预签名；基于所述预签名和预设的前向链接参数，建立所述当前区块与该待生成非相邻区块之间的前向链接；建立多组非相邻区块之间的前向链接。4.如权利要求2所述的基于区块链网络的联邦学习方法，其特征在于，所述建立多组非相邻区块之间的后向链接，包括：基于任一已生成非相邻区块的哈希值和预设的后向链接参数，建立当前区块与该已生成非相邻区块之间的后向链接；建立多组非相邻区块之间的后向链接。5.如权利要求2所述的基于区块链网络的联邦学习方法，其特征在于，区块链中的区块包括锚点区块和容器区块，且一个锚点区块对应多个容器...

【专利技术属性】
技术研发人员：彭喆，徐建良，
申请(专利权)人：香港浸会大学深圳研究院，
类型：发明
国别省市：